Refined Classification on SPICY by Time-domain Analysis with Machine Learning = 기계학습과 시계열 분석을 통한 SPICY의 개선된 분류

다국어 초록 (Multilingual Abstract)

We introduce a binary classification model, the Double Filter Model, utilizing various machine learning and deep learning methods to classify Young Stellar Objects (YSOs) and Asymptotic Giant Branch (AGB) stars. Since YSOs and AGB stars share similar infrared (IR) photometric characteristics due to comparable temperatures and the presence of circumstellar dust, distinguishing them is challenging and often leads to misclassification. While machine learning and deep learning techniques have helped reduce YSO-AGB misclassifications, achieving a reliable separation remains challenging. Given that YSOs and AGB stars exhibit distinct light curves resulting from different variability mechanisms, our Double Filter Model leverages light curve data to enhance classification accuracy. This approach uncovered YSOs and AGB stars that were misclassified in IR photometry and was validated against Taurus YSOs and spectroscopically confirmed AGB stars. We applied the model to the Spitzer/IRAC Candidate YSO (SPICY) catalog for catalog refinement and identified potential AGB star contaminants.

국문 초록 (Abstract)

우리는 젊은 항성체와 점근거성을 분류하기 위해 Double Filter Model이라는 기계 학습을 활용한
이중 분류 모델을 소개한다. 젊은 항성체와 점근거성은 상당한 온도와 주변을 둘러싸는 먼지들에 의해
적외선 파장 내 유사한 측광적 특성을 보인다. 따라서 이 둘을 구분하는 것은 어렵고 종종 오분류를
유도한다. 기계 학습과 심층 학습의 도움으로 젊은항성체와 점근거성 간 오분류의 정도를 줄였음에도
충분히 신뢰가능한 정도까지 분류하는데는 난항을 겪고 있다. 우리는 젊은 항성체와 점근거성이 서로
다른 변광 기작에 의해 변광 곡선에 차이를 보이는 것에 착안하여 변광 곡선을 활용한 분류 모델을
개발하였고, 두 천체의 분류 정확성이 올라가는 것을 확인하였다. 이 접근은 기존의 적외선 측광 분
석을 기반으로 오분류 된 젊은 항성체와 점근거성을 환원한다. 우리는 기존에 알려진 황소자리 젊은
항성체와 분광분석을 통해 확인된 점근거성을 가지고 모델의 검증을 진행하였다. 마지막으로 스피처
우주망원경/IRAC 젊은 항성체 후보군 (SPICY) 목록을 우리의 분류 모델에 적용하여 목록을 개선함과
동시에 잠재적 점근거성 후보군들을 추려냈다.

목차 (Table of Contents)

• Abstract i
• List of Figures iv
• List of Tables v
• List of Acronyms 1
• 1 Introduction 2
• 2 Data and Catalogs 5
• 2.1 IR photometry and light curve 5
• 2.2 Catalogs used for Model Training 6
• 3 YSO-AGB classification model 7
• 3.1 Double Filter Classification Model 7
• 3.1.1 Filter 1: Ensemble model with photometry data 8
• 3.1.2 Filter 2: MLP model with NEOWISE data 9
• 3.2 Model Performances 10
• 4 Model validation 13
• 4.1 Validation YSOs: Taurus YSOs 13
• 4.2 Validation AGBs: Spectroscopically studied AGBs 14
• 5 Refinement to SPICY 16
• 5.1 Application of Double Filter Model to the SPICY 16
• 5.2 AGB candidates from the SPICY 17
• 6 Discussion 20
• 6.1 Model errors from the test data 20
• 6.2 Model caveats 21
• 7 Conclusion 24
• 8 Appendix 25
• 8.1 Technical Interpretation 25
• 8.2 Ensemble Structure of Filter 1 27
• 8.3 AGB candidates catalog 28
• Bibliography 29
• 한국어 초록 34
• Acknowledgement 35